具有线性趋势回归信度模型异方差的score检验

回归信度模型在保险研究中具有重要的作用.本文分险种内部,险种之间,险种内部及之间三种情形讨论了具有线性趋势回归信度模型异方差的score检验问题.首先推导了异方差存在性检验的score检验统计量,然后利用Monte-Carlo方法模拟了这几种检验统计量的功效,功效模拟结果显示：这几种检验统计量都有很好的检验效果.最后利用文中所得到的检验方法对旅客意外身体伤害保险数据进行了实例分析.     

具有线性趋势的回归信度模型中的估计和检验

研究具有线性趋势回归信度模型的参数估计和检验. 对该模型的回归系数和随机效应的方差,利用正交变换法得到了它们的极大似然估计, 并得到了参数的无偏估计. 对随机效应和是否有线性趋势采用似然比检验, 得到了似然统计量较好的近似$P$值, 并对检验的功效进行了模拟研究.     

具有AR(1)误差的线性随机效应模型中方差齐性和自相关性的检验

在回归分析中，方差齐性是一个很基本的假设．本文对具有AR(1)误差的线性随机效应模型，研究了方差齐性和自相关性的检验问题．我们分别讨论了随机误差异方差、随机效应异方差、多元异方差以及自相关性的检验问题，并用score检验方法给出了三种方差齐性和自相关性的检验统计量．随机模拟的结果表明，当样本容量较大时，检验的功效较好．本文还给出一个数值例子说明检验方法的实用性．另外，模型的结果也可以推广到非线性情形．     

具有椭球误差的线性一致相关模型的相关性检验

本文讨论具有椭球误差的线性一致相关模型的相关性检验问题.基于Fisher-score方法给出模型参数估计的迭代公式,然后分别对一致相关系数进行了存在性和齐性检验,得到了相应检验的score统计量,同时给出了功效模拟.最后利用实际数据说明了模型以及检验统计量的价值.     

具有结构变化的非线性回归模型的阶段异方差检验

对于具有结构变化的非线性回归模型,两阶段的随机误差同时具有方差齐性是一个基本假设,但是该假设未必正确．本文研究该模型阶段异方差的检验问题．首先探讨了两阶段异方差的同时检验,然后构造了两阶段异方差的两个单个检验,分别得到了同时检验和单个检验的score统计量以及相应的调整形式．然后应用得到的检验统计量分析了南澳大利亚洋葱数据的阶段异方差性(Ratkowsky,1983),并用AIC,SBC进行模型比较,得到的结果与检验结果非常吻合．最后,用Monte Carlo模拟方法研究了统计量的检验功效．     

具有共同效应的信度回归模型

在经典的Hachemeister(1975)信度回归模型中,各个风险被假定为相互独立的.本文假设风险之间存在由共同效应导致的风险相依,建立了共同效应的信度回归模型,得到未来索赔的信度预测与风险参数的信度估计.结论表明,在共同效应模型,信度估计仍然是个体索赔数据与聚合保费的加权和.     

非参数自回归模型异方差的小波检验

本文讨论了非参数自回归模型异方差的检验问题.在非参数自回归模型的建模过程中,通常假定方差为常数.然而在建模前,我们应该首先检验这-假定是否成立.本文将利用小波方法来检验异方差问题.我们首先利用核估计方法定义经验小波系数,然后讨论其渐近性质.在此基础上,我们提出了异方差性检验的统计量.数值模拟结果表明,我们的方法表现良好.     

回归模型中异方差或变离差检验问题综述

回归模型的异方差或变离差检验是统计诊断的重要课题。本文系统介绍了普通回归模型、广义回归模型和基于纵向数据的随机效应或自相关回归模型的异方差检验或变离差检验的研究概况和最新进展；同时介绍了作者关于非线性回归模型的相应工作，最后指出了若干有有待进一步研究的问题。     

回归模型误差相关性的统一检验方法

提出了回归模型误差项关于实对称矩阵相关的概念，从而将探测误差项的各种相关性，诸如序列自相关、空间自相关以及趋势性等问题纳入统一的统计检验框架内．在线性回归模型下，提出了一种计算检验p-值的三阶矩χ^2逼近方法．与精确方法相比，该逼近方法不但显著地降低了计算量，而且模拟计算表明具有相当高的精度．     

基于连续可分的广义非线性纵向数据模型偏离名义离差的score检验及其功效

指数族非线性模型或广义非线性模型是广义线性模型和正态回归模型的自然推广.本文针对可分的连续型指数族回归模型(如正态模型,Γ模型,逆高斯模型),讨论广义非线性纵向数据模型中偏离名义离差的检验问题,得到了检验的score统计量,并推导了它们的渐近分布和局部近似功效.然后利用Monte Carlo方法研究了检验统计量的性质.最后利用百慕大草地数据说明了检验方法的应用.     

基于重复测量数据的Poisson回归模型的偏大离差的Score检验

Poisson回归模型广泛应用于分析计数型数据 ,Dean&Lawless(1989)和Dean(1992 )讨论了非重复测量得到的计数型数据的偏大离差存在性的检验问题 .本文分别利用随机系数模型和对数非线性模型讨论了基于重复测量得到的计数型数据的偏大离差的检验问题 ,得到了检验的score统计量 .     

半相依非线性回归方程组中的近似得分函数和拟近似得分函数

本文定义了半相依非线性回归方程组中的近似得分函数和拟近似得分函数．这些函数利用了样本信息和附加信息，在均方误差准则下改进了独立得分函数和拟独立得分函数．     

删失数据下线性回归模型的参数估计

主要叙述在数据观测不完全的情况下,采用最小二乘法对线性回归模型回归系数的估计及估计量的渐进性质,并给出数据模拟．     

基于因变量抽样设计下线性回归模型的假设检验问题

在许多大型队列研究中,采用节约成本并能提高效率的抽样机制至关重要,基于因变量的抽样设计正是这样一种有偏抽样机制.这种方法最大的优点在于:能够将资源集中在那些包含有更多的协变量与因变量关系信息的研究群体上.本文研究基于因变量抽样设计下的线性模型中回归方程显著性检验以及回归系数显著性检验问题.基于一种半参数经验轮廓似然的方法,我们分别为回归方程检验与回归系数检验提出了相应的检验统计量,获得了所提出检验统计量的渐近性质.通过模拟研究评估了所提出的检验方法在有限样本下的表现,并应用提出的方法分析了一个孕妇分娩的实际数据.     

A Flexible Model for Generalized Linear Regression with Measurement Error

This paper focuses on the question of specification of measurement error distribution and the distribution of true predictors in generalized linear models when the predictors are subject to measurement errors. The standard measurement error model typically assumes that the measurement error distribution and the distribution of covariates unobservable in the main study are normal. To make the model flexible enough we, instead, assume that the measurement error distribution is multivariate t and the distribution of true covariates is a finite mixture of normal densities. Likelihood–based method is developed to estimate the regression parameters. However, direct maximization of the marginal likelihood is numerically difficult. Thus as an alternative to it we apply the EM algorithm. This makes the computation of likelihood estimates feasible. The performance of the proposed model is investigated by simulation study.     

多元线性模型参数的部分压缩估计

考虑多元线性回归模型Y=XB ε,其中E(Vec(ε))=0,Cov(Vec(ε))=∑In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计,为此,提出了一种部分压缩估计,并分析了其性质.     

带模糊回归参数的线性回归模型

本文讨论了数值输入模糊数输出的观测数据的线性最小二乘拟合问题，建立了数值空间到模糊数空间的带模糊回归参数的线性回归模型，证明了模型解的存在性和唯一性，并得到了解的表达式。本模型应用简便，具有实用价值。